6 Image Smoothing Sharpening
6 Image Smoothing Sharpening
1
g(x, y) = ∑ f (n, m);
M (n,m)∈S
x, y = 0,1,...,N −1
1 1
M
∑ f (m, n) if f ( x, y ) −
M
∑ f (m, n) < T
g ( x, y ) = ( m , n )∈S ( m , n )∈S
f ( x, y ) otherwise
Masalah pada mean filtering
Masalah dengan mean filtering: cara
mempertahankan sisi atau detil tepi
Alternatif solusi: penggunaan
threshold
Masalah baru: penentuan threshold
Mungkin perlu trial and error
Alternatif lain: median filtering
Median filtering
Ide: nilai median dari pixel-pixel
dalam matriks ketetanggaan
digunakan sebagai warna pixel f(x,y)
Metode ini tepat untuk
menghilangkan noise yang bersifat
spike sementara diinginkan untuk
tetap mempertahankan ketajaman
sisi
Mencari median
Masukkan nilai-nilai dalam matriks
neighborhood dalam matriks satu
dimensi
Urutkan nilai dalam matriks 1 dimensi
tsb
Nilai tengah sebagai pengganti f(x,y)
Contoh median filtering
Median filtering
dgn mask 3 x 3
Modus filtering
Ide: warna yang paling banyak
muncul dalam matriks ketetanggaan
digunakan sebagai warna f(x,y)
Modus filtering
dgn mask 5 x 5
3x3 5x5 7x7
Mean
filtering
Median
filtering
Citra asli
Modus
filtering
3x3 5x5 7x7
Mean
filtering
Median
filtering
Citra asli
Modus
filtering
Low-pass filtering:
Blurring pada domain frekwensi
FFT
FFT
Image Sharpening
Teknik sharpening biasa digunakan
untuk memperjelas sisi pada citra
Teknik sharpening
Di domain spasial (contoh:
differentiation)
Di domain frekwensi (contoh: high-pass
filter)
Sharpening dengan differentiation
Averaging integrasi; sharpening
turunan (differentiation)
Metode differentiation yang sering
digunakan: gradient
Diberikan fungsi f(x,y), gradient dari f pada
(x,y) didefinisikan dengan vektor G:
∂f
∂x
∂f 2 ∂f 2
1
2
G[ f ( x, y )] = ∂f G[ f ( x, y )] = mag[G ] = +
∂x ∂y
∂y
Salah satu pendekatan gradien
untuk proses digital
G[ f ( x, y )] ≅
{[ f ( x, y) − f ( x + 1, y)] + [ f ( x, y) − f ( x, y + 1)] }
2 2
1
2
atau
G[ f ( x, y )] ≅
f ( x, y ) − f ( x + 1, y ) + f ( x, y ) − f ( x, y + 1)
Ilustrasi & kelemahan
G[ f ( x, y )] ≅
{[ f ( x, y) − f ( x + 1, y + 1)] + [ f ( x + 1, y) − f ( x, y + 1)] }
2 2
1
2
atau
G[ f ( x, y )] ≅
f ( x, y ) − f ( x + 1, y + 1) + f ( x + 1, y ) − f ( x, y + 1)
Nilai gradien
Proporsional dengan perbedaan nilai
gray level antar pixel yang
bertetangga
Nilai tinggi untuk sisi (warna berbeda
dengan tajam)
Nilai kecil untuk daerah yang relatif
sama warnanya
LG ; G[ f ( x, y )] ≥ T
g ( x, y ) = LG: Nilai gray level tertentu
f ( x, y ); G[ f ( x, y )] < T untuk mewakili pixel-pixel
tepi
G[ f ( x, y )]; G[ f ( x, y )] ≥ T
g ( x, y ) = LB: Nilai gray level tertentu
LB ; G[ f ( x, y )] < T untuk mewakili pixel-pixel
non-tepi
LG ; G[ f ( x, y )] ≥ T
g ( x, y ) =
LB ; G[ f ( x, y )] < T
Contoh sharpening
High-pass filtering:
Sharpening pada domain frekwensi
FFT
FFT